如何快速把 PDF、Word、EPUB 转成 Markdown：MarkItDown 免费上手指南

如何快速把 PDF、Word、EPUB 转成 MarkdownMarkItDown 免费上手指南【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdownMarkItDown 是一款免费开源的 Python 工具用一条命令就能把 PDF、Office 文档、EPUB、图片等文件转换成 Markdown保留标题、列表和表格结构适合为 LLM 或文本分析准备素材。⚡ 装完 30 秒拿到第一个 Markdown 文件安装一个包运行一条命令你就能拿到第一个转换结果。pip install markitdown[all]markitdown report.pdf report.mdreport.md就是 PDF 转出的 Markdown 文本。[all]会装齐所有格式的依赖如果你只需要其中几种可以按需安装如pip install markitdown[pdf, docx]。也可以不重定向直接用-o指定输出文件markitdown report.pdf -o report.md。环境要求 Python 3.10 及以上。把 Word、EPUB 和批量任务都转完三个最常见的任务每个都只需要一两条命令。把 Word、Excel、PPT 转成可编辑的 Markdown 笔记你想把办公文档变成可整理的笔记。做法markitdown notes.docx -o notes.md markitdown budget.xlsx -o budget.md得到的产物里文档的标题、列表变成对应 Markdown 语法Excel 表格变成竖线分隔的表格可以直接贴进笔记软件或交给程序处理。把 EPUB 电子书快速转成结构化笔记你想把整本电子书变成文本。做法markitdown book.epub -o book.md转换结果开头会自动列出书籍元数据Title、Authors、Publisher、Date、Language、Description正文则按原书的章节顺序spine即 EPUB 里定义的内容阅读顺序依次展开。用管道和 Python 接口批量处理你想把转换嵌进自己的脚本。流式输入时直接管道处理cat file.pdf | markitdown批量时调用 Python 接口from markitdown import MarkItDown md MarkItDown() print(md.convert(test.xlsx).text_content)ZIP 压缩包也能整体传入包内每个文件会被逐个转换markitdown archive.zip -o archive.md。挖三个核心能力元数据、图片描述和插件这三项能力决定了输出的质量上限都能用一两行配置开启。EPUB 元数据与章节顺序EPUB 本质上是一个压缩包转换器会先读取其中的元数据文件和章节索引再把每一章交给 HTML 转换器处理所以输出顺序与原书一致。实现位于 packages/markitdown/src/markitdown/converters/_epub_converter.py。LLM 图片描述转换图片以及 PPT 中的图片时可以接入多模态大模型自动生成文字描述。构造器里传入llm_client和llm_model即可开启from markitdown import MarkItDown from openai import OpenAI md MarkItDown(llm_clientOpenAI(), llm_modelgpt-4o) print(md.convert(photo.jpg).text_content)插件系统第三方插件默认关闭markitdown --list-plugins查看已装插件命令行加-p启用。仓库自带一个 示例插件可以照它扩展新格式markitdown-ocr插件则能为 PDF、Word、PPT、Excel 中嵌入的图片做 OCR 识别。看一眼真实输出确认格式没丢下面是仓库测试文件实际转换出的 Markdown 片段表格结构原样保留STARLIGHT CINEMAS Orders | Order / Rev: | 2024-12-5678 | Cinema: | Downtown Multiplex | | Booking Dates: | 12/20/2024 - 12/31/2024 | Totals | December 2024 | 48 | $12,500.00 | $11,250.00 | 85% |正文按段落输出标题会落成#层级CSV、JSON、XML 这类纯文本格式同样支持转换。四个常见报错照着速查解决转换某格式报错对应可选依赖没装。补装pip install markitdown[pdf]extra 名与格式对应或改用[all]重装管道输入识别失败内容来自 stdin 时无法推断类型加提示参数-x pdf或-m application/pdf输出文件异常大默认会截断 base64 数据 URI只有确认需要保留图片数据时才加--keep-data-uris扫描件 PDF 提取的文字很少接入 markitdown-ocr 插件或使用云端端点-d -eAzure Document IntelligenceMarkItDown 把从 PDF、Office 文档和电子书里手工抠文字的活变成了一条命令的事。现在挑一份手头的文档把上面第一条转换命令跑一遍吧。完整用法见 README.md想扩展新格式可参考 packages/markitdown-sample-plugin/。【免费下载链接】markitdownPython tool for converting files and office documents to Markdown.项目地址: https://gitcode.com/GitHub_Trending/ma/markitdown创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考